badokorach/NewQA

斯坦福问答数据集（SQuAD）是一个阅读理解数据集，由众包工作者在维基百科文章上提出问题，每个问题的答案是对应阅读段落中的一段文本，或者问题可能无法回答。数据集包含训练集和验证集，分别有87599和10570个样本。数据集的字段包括id、title、context、question和answers，其中answers包含text和answer_start两个子字段。数据集的大小为35.14 MB，生成的数据集大小为89.92 MB，总磁盘使用量为125.06 MB。

原始信息汇总

数据集概述

数据集名称

• 名称: SQuAD

数据集创建

• 标注创建者: 众包
• 语言创建者: 众包和现有资源

语言信息

• 语言: 英语
• 多语言性: 单语种

许可信息

• 许可证: CC-BY-4.0

数据集大小

• 大小分类: 10K<n<100K

数据源

• 源数据集: 扩展自维基百科

任务类别

• 任务类别: 问答
• 任务ID: 抽取式问答

训练与评估索引

• 配置: plain_text
• 任务: 问答
• 任务ID: extractive_question_answering
• 分割:
  • 训练分割: train
  • 评估分割: validation
• 列映射:
  • 问题: question
  • 上下文: context
  • 答案:
    • 文本: text
    • 答案开始位置: answer_start
• 评估指标:
  • 类型: squad
  • 名称: SQuAD

数据集信息

• 特征:
  • id: 字符串类型
  • title: 字符串类型
  • context: 字符串类型
  • question: 字符串类型
  • answers:
    • 文本: 字符串类型
    • 答案开始位置: int32类型
• 配置名称: plain_text
• 分割:
  • 训练:
    • 字节数: 79317110
    • 示例数: 87599
  • 验证:
    • 字节数: 10472653
    • 示例数: 10570
• 下载大小: 35142551字节
• 数据集大小: 89789763字节